MindSpore:有关卷积层的问题

问题描述：

【功能模块】

我想实现一个GAN相关网络，但目前的问题是Discriminator初始时每经过一层卷积，图像像素值会小一个数量级，经过多层卷积后，像素值会无限解禁0，再去进行sigmoid运算得到0.5，也就说无论什么图片进入Dsicriminator评分都是0.5，导致整个网络无法训练。请问遇到这种问题应该以什么样的思路解决呢？

【操作步骤&问题现象】

图片大小[64,3,88,88]

网络结构

class Discriminator(nn.Cell):

    def __init__(self):

        super(Discriminator, self).__init__()

        self.net = nn.SequentialCell(

            nn.Conv2d(3, 64, kernel_size=3, padding=1,pad_mode='pad'),

            nn.LeakyReLU(0.2),

          

            nn.Conv2d(64, 64, kernel_size=3, stride=2, padding=1,pad_mode='pad'),

            nn.BatchNorm2d(64,1e-05, momentum=0.1),

            nn.LeakyReLU(0.2),

        

            nn.Conv2d(64, 128, kernel_size=3, padding=1,pad_mode='pad'),

            nn.BatchNorm2d(128,eps=1e-05, momentum=0.1),

            nn.LeakyReLU(0.2),

            nn.Conv2d(128, 128, kernel_size=3, stride=2, padding=1,pad_mode='pad'),

            nn.BatchNorm2d(128,eps=1e-05, momentum=0.1),

            nn.LeakyReLU(0.2),

            nn.Conv2d(128, 256, kernel_size=3, padding=1,pad_mode='pad'),

            nn.BatchNorm2d(256,eps=1e-05, momentum=0.1),

            nn.LeakyReLU(0.2),

            nn.Conv2d(256, 256, kernel_size=3, stride=2, padding=1,pad_mode='pad'),

            nn.BatchNorm2d(256,eps=1e-05, momentum=0.1),

            nn.LeakyReLU(0.2),

            nn.Conv2d(256, 512, kernel_size=3, padding=1,pad_mode='pad'),

            nn.BatchNorm2d(512,eps=1e-05, momentum=0.1),

            nn.LeakyReLU(0.2),

            nn.Conv2d(512, 512, kernel_size=3, stride=2, padding=1,pad_mode='pad'),

            nn.BatchNorm2d(512,eps=1e-05, momentum=0.1),

            nn.LeakyReLU(0.2),

        

            nn.AvgPool2d(kernel_size=6, stride=1),   

            nn.Conv2d(512, 1024, kernel_size=1),

            nn.LeakyReLU(0.2),

            nn.Conv2d(1024, 1, kernel_size=1)        

        )

        

    def construct(self, x):

        y=self.net(x)

        batch_size = x.shape[0]

        sigmoid = nn.Sigmoid()

        output=sigmoid(y.view(batch_size))

        return output

输出：0.5

【截图信息】

【日志信息】（可选，上传日志内容或者附件）

解决方案：

1. 增大输入图像size

2. 减少判别器下采样次数或者Conv2d的stride>1次数，